Project Icon

OBBDetection

多框架支持的开源目标检测工具箱 提供灵活表示方法

OBBDetection是基于MMdetection v2.2的开源目标检测工具箱。它支持多种检测框架,包括RoI Transformer和Gliding Vertex等。该工具箱提供灵活的检测框表示方法,涵盖水平边界框、定向边界框和4点框。OBBDetection实现了S2ANet、Oriented R-CNN等多种最新定向目标检测方法,同时也兼容多种水平检测算法。作为一个全面的目标检测工具,它继承了MMdetection的特性,适用于各种复杂场景的目标检测任务。

OBB检测

注意:如果您有问题或好的建议,欢迎提出issues并与我联系。

简介

OBB检测是一个从MMdetection v2.2修改而来的面向对象检测工具箱。

演示图片

主要特点

  • 继承MMdetection特性

    OBB检测没有改变原始MMdetection的结构和代码,额外的代码遵循MMdetection的逻辑。因此,我们的OBB检测继承了MMdetection的所有特性。

  • 支持多种开箱即用的框架

    我们在这个工具箱中实现了多种面向对象检测器(如RoI Transformer、Gliding Vertex)。得益于MMdetection的模块化设计,检测器的许多部分(如主干网络、RPN、采样器和分配器)都有多种选择。

  • 灵活的面向边界框表示

    该工具箱支持水平边界框(HBB)、面向边界框(OBB)和4点框(POLY)。程序将通过张量形状或默认设置确认边界框的类型。

我们开发了BboxToolkit来支持面向边界框操作,该工具箱严重依赖于此。

许可证

本项目采用Apache 2.0许可证发布。

更新

基准测试和模型库

结果和模型可在模型库中找到。

支持的主干网络:

  • ResNet
  • ResNeXt
  • VGG
  • HRNet
  • RegNet
  • Res2Net

支持的面向检测方法:

安装

请参考install.md进行安装和数据集准备。

入门指南

有向模型的训练和测试

如果您想训练或测试有向模型,请参考oriented_model_starting.md

如何使用MMDetection

如果您不熟悉MMDetection,请查看getting_started.md了解MMDetection的基本用法。还有关于微调模型添加新数据集设计数据管道添加新模块的教程。

致谢

在开发OBBDetection时,我们参考了S2ANetAerialDetection

这个工具箱是基于MMdetection修改的。如果您在研究中使用这个工具箱或基准测试,请引用以下信息。

@article{mmdetection,
  title   = {{MMDetection}: Open MMLab Detection Toolbox and Benchmark},
  author  = {Chen, Kai and Wang, Jiaqi and Pang, Jiangmiao and Cao, Yuhang and
             Xiong, Yu and Li, Xiaoxiao and Sun, Shuyang and Feng, Wansen and
             Liu, Ziwei and Xu, Jiarui and Zhang, Zheng and Cheng, Dazhi and
             Zhu, Chenchen and Cheng, Tianheng and Zhao, Qijie and Li, Buyu and
             Lu, Xin and Zhu, Rui and Wu, Yue and Dai, Jifeng and Wang, Jingdong
             and Shi, Jianping and Ouyang, Wanli and Loy, Chen Change and Lin, Dahua},
  journal = {arXiv preprint arXiv:1906.07155},
  year={2019}
}

这是Oriented R-CNN的官方实现。如果在您的研究中使用了它,请引用以下信息。

@InProceedings{Xie_2021_ICCV,
  作者 = {谢兴兴 and 程功 and 王家宝 and 姚熙文 and 韩军伟},
  标题 = {面向目标检测的定向R-CNN},
  会议名称 = {IEEE/CVF国际计算机视觉会议论文集(ICCV)},
  月份 = {十月},
  年份 = {2021},
  页码 = {3520-3529} }
@ARTICLE{orcnn_beyond,
  作者={谢兴兴 and 程功 and 王家宝 and 李科 and 韩军伟},
  期刊={国际计算机视觉杂志}, 
  标题={定向R-CNN及其进展}, 
  年份={2024},
  页码={1-23},
  doi={https://doi.org/10.1007/s11263-024-01989-w}
}
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号